AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-16
運用大型語言模型進行可信賴的大規模臨床資訊擷取之多階段驗證框架
原標題: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
驗證大型語言模型在臨床資訊擷取上的表現,通常需要耗費高昂成本的人工標註。作者提出一個多階段框架,結合規則式過濾、語意對應、評審 LLM 評估、專家審查及預測效度分析。將其應用於 919,783 份臨床記錄中的物質使用障礙診斷時,該框架將 14.59% 的 LLM 陽性擷取結果剔除,因為這些結果缺乏依據或不合理。主要 LLM 對照評審評估的 F1 分數為 0.80,其擷取出的診斷對後續專科照護參與度的預測表現優於結構化資料基準。